1. SylabUZ
2. Faculty of Mechanical Engineering
3. winter term 2023/2024
4. Mechanical Engineering - First-cycle studies leading to Engineer's degree
5. Artificial Inteligence Methods

Generate PDF for this page

Artificial Inteligence Methods - course description

Aim of the course

Zapoznanie studentów z podstawowymi pojęciami i definicjami z zakresu sztucznej inteligencji, istota sztucznej inteligencji, podstawy matematyczne elementów sztucznej inteligencji. Przedstawienie metod i narzędzi rozwiązywania zagadnień sztucznej inteligencji ze szczególnym uwzględnieniem zastosowań w mechanice i budowie maszyn.

Prerequisites

Save changes

Matematyka z elementami logiki matematycznej, umiejętności posługiwania narzędziami informatycznymi Matlab/Scilab.

Scope

 

Lp.	Treści programowe - WYKŁAD		l. godz. st. stacj.		l. godz. st. niestacj.
W1	Rachunek zdań.					2
W2	Rachunek predykatów I-rzędu.					2
W3	Tablice decyzyjne. Stwierdzenia.					2
W4	Zbiory rozmyte. Reguły.					2
W5	Sieci neuronowe. Ramy.					2
W6	Metody wnioskowania: modus ponens, modus tollens oraz  reguła rezolucji.					2
W7	Strategie przeszukiwania stosowane w sztucznej inteligencji.					2
W8	Strategie wnioskowania: w głąb, w szerz, strategia backtracking oraz heurystyczna metoda przeszukiwania A*.					2
W9	Akwizycja wiedzy.					2
		Suma:		0		18

Lp.	Treści programowe - LABORATORIUM		l. godz. st. stacj.		l. godz. st. niestacj.
L1	Matlab/ Scilab – środowiska do modelowania sieci neuronowych, podstawowe reguły użytkowania.					2
L2	Podstawowe funkcje aktywacji neuronów- tworzenie funkcji Matlaba/Scilaba.					2
L3	Perceptron prosty – modelowanie w środowisku Matlab/Scilab, graficzna prezentacja działania perceptronu o dwóch wejściach.					2
L4	Uczenie perceptronu o dwóch wejściach z graficzną prezentacją kroków uczenia.					2
L5	Realizacja funkcji logicznych AND, OR, NOR, NAND z użyciem perceptronu.					2
L6	Neuron z liniową funkcją aktywacji – modelowanie w środowisku Matlab/Scilab.					3
L7	Sieć perceptronowa  MLP.					3
L8	Modelowanie sieci neuronowych z wykorzystaniem ANN Toolbox Matlab/Scilab oraz gotowych programów.					2
		Suma:		0		18

Lp.	Treści programowe - PROJEKT		l. godz. st. stacj.		l. godz. st. niestacj.
P1	Omówienie i przydział zadań projektowych.					2
P2	Realizacja projektu sieci neuronowej MLP dla zadania klasyfikacji. Konsultacje, dyskusja analiza problemów					7
		Suma:		0		9

 

Teaching methods

Wykłady konwencjonalne, oraz z wykorzystaniem technik multimedialnych.

Praca indywidualna i zespołowa w trakcie realizacji ćwiczeń laboratoryjnych i zadań projektowych. Prezentacja rozwiązań, analiza i dyskusja nad uzyskanymi wynikami.

Learning outcomes and methods of theirs verification

Outcome description	Outcome symbols	Methods of verification	The class form

Assignment conditions

Warunkiem zaliczenia przedmiotu jest zaliczenie wszystkich jego form.

Ocena końcowa na zaliczenie przedmiotu jest średnią arytmetyczną z ocen za poszczególne formy zajęć.

Recommended reading

1.     Nilsson N. Principles of artificial intelligence, Tioga Publishing, 1980.

2.     Flasiński M. Wstęp do sztucznej inteligencji, Wydawnictwo Naukowe PWN, 2011

3.     Rutkowski L. Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, 2011

4.     Chromiec J. Strzemieczna E.: Sztuczna inteligencja: Metody konstrukcji i analizy systemów eksperckich, Warszawa, AOW, 1994.

5.     Osowski S.: Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000

Further reading

1.     Chwałkowska E. Sztuczna inteligencja w systemach eksperckich, Warszawa, MIKOM, 1991

2.     Wojciechowska A. Elementy logiki i teorii mnogości, Warszawa, PWN, 1979.

Notes

Modified by dr inż. Edward Tertel (last modification: 21-04-2023 08:57)